优必选宣布对其具身智能大模型Thinker进行了架构升级。本次升级聚焦“小参数、高性能、全开源”，旨在打造一个能为工业人形机器人提供快速反应与精准空间感知的下一代具身智能大脑，以应对动态工业场景的挑战。

公告称，Thinker将作为智能基座，为优必选的群脑网络和协作智能体Co-Agent提供认知与决策支持，进而驱动单机自主与群体智能的协同进化。Thinker 实现了 “小体积大能量” 的关键性能突破，优必选此次将其开源，让广大开发者可基于该基座探索人形机器人大脑的应用，一同加快具身智能技术的迭代节奏，携手共建人形机器人的全新未来。

测评结果显示，在涵盖 10B 以下具身智能大脑模型的权威基准评测中，Thinker 一举拿下9项第一。

根据介绍，Thinker 构建了 “精炼提纯 - 自动化标注 - 数据驱动训练” 的全链路解决方案。能够将 20B 的原始数据经过处理，提纯至仅10M 的数据量。

• 广度筛选：基于定制化规则，从视觉、语言、动作、环境等多模态数据中，快速过滤出约1%的候选数据池。
• 深度评分：引入大模型构建多维度评分模块，从质量、任务、场景等多维度进行精细评价，最终筛选最高价值的训练数据。

针对具身数据标注难度大、成本高的行业痛点，优必选还搭建了 “弱监督 + 自监督 + 少量人工校验” 的自动化标注体系：

• 核心技术：采用 “大模型辅助标注 + 多模型交叉验证” 策略，对视觉场景分割、动作序列分类、指令意图解析等任务实现端到端自动化标注；
• 人工校验机制：仅对标注置信度低于阈值的样本进行人工复核，最终将人工参与率控制在1%以下，较传统全人工标注方案成本降低 99%，标注效率提升超百倍；
• 动态迭代优化：将模型训练后的误差反馈至标注流水线，持续优化标注算法参数，形成 “标注 - 训练 - 反馈 - 迭代” 的闭环，标注准确率随迭代逐步提升。